Chris Nicholson, Pathmind’in Kurucusu ve CEO’su – Röportaj Serisi

Chris Nicholson, Pathmind’in kurucusu ve CEO’sudur. Pathmind, derin pekiştirme öğrenimi uygulamalarını tedarik zinciri ve endüstriyel operasyonlara uygular. Pathmind, şirketlerin derin ekonomik değişikliklerle başa çıkmalarına ve operasyonlarının dayanıklılığını artırmalarına yardımcı olmak için kurulmuştur. Chris, şirketin stratejik vizyonunu ve günlük yürütmesini denetler, Pathmind’in teknoloji platformunun inovasyonunu ve büyümesini sağlar ve dijital dönüşümün bir parçası olarak depolarda ve fabrika zeminlerinde performansı optimize eder.

Önceki olarak, Chris, derin öğrenme odaklı bir AI şirketi olan Skymind’in CEO’suydu. Öncesinde, FutureAdvisor’da iletişim ve işe alım rollerini üstlendi. FutureAdvisor, Sequoia tarafından desteklenen bir Y Combinator şirketi olup 2015 yılında BlackRock (BLK ) tarafından 200 milyon dolar karşılığında satın alınmıştır. Chris ayrıca on yıl boyunca teknoloji ve finans hakkında The New York Times, Bloomberg News ve Businessweek gibi yayınlar için gazeteci olarak çalışmıştır.

Önce The New York Times için muhabir ve Bloomberg News için editör olarak çalışıyordunuz, ancak daha sonra makine öğrenimine yöneldiniz. Bu kariyer değişiminin arkasındaki hikayeyi anlatır mısınız?

Gazeteci olduğum zamanlarda, 2000’lerin başları ve 2010’ların başlarında, endüstri arama motorlarına ve sosyal medyaya geçen reklamlar nedeniyle geleneksel yayınlarda okuyucu kaybı yaşandı. Finans ve teknoloji hakkında yazıyordum ve insanların yeni ve ilginç şeyler inşa ettiğini gördüm. Bir noktada kendime, “Robotların doğru tarafında olmak zorundayım” dedim ve San Francisco’ya taşındım.

Bu, 2013 yılında oldu. O zamanlar SOMA’da hala hacker evleri vardı. Bunlardan birine taşındım, beş diğer adamla birlikte bir odada bir ranzanın üzerine yerleştim ve her sabah Y Combinator’dan geçen bir startup’a çalışmaya gittim. San Francisco’da yavaş yavaş insanları tanıdım ve ilgimi çeken şeyleri keşfettim. O zamanlar derin öğrenme masih gelişiyordu. Potansiyeli görebiliyorduk, ancak daha çok şey inşa edilmeliydi. Bu merak, beni sonunda Pathmind’e yol açan bir AI projesine dahil olmaya yöneltti.

Pathmind’in şirketlere nasıl yardımcı olabileceği hakkında bazı detaylar paylaşabilir misiniz?

Depo, fabrika veya maden gibi fiziksel bir tesisi yöneten şirketler genellikle çok karmaşık optimizasyon görevleriyle karşılaşırlar. Yani, bir hedefe ulaşmak için çok fazla ekipmanı koordine etmeleri gerekir. Çoğu, verimliliği ve üretimi en üst düzeye çıkarmaya ve maliyetleri ile karbon emisyonlarını en aza indirmeye çalışır. Gerçek verilerini kullanarak onlara ekipmanlarının nasıl davranabileceği konusunda yeni yollar gösteren algoritmalar tasarlarız. Bu, iş ve makine planlaması, filo rotalama ve enerji maliyeti yönetimi gibi konulara uygulanabilir.

Makine öğrenimi sistemleri için açık kaynaklı yazılımların bazı faydaları nelerdir?

Yazılım şirketleri, açık kaynaklı kodların üzerine inşa edilmiş durumdadır. Halka açık bulutların altyapısı açık kaynaklıdır. Geliştiricilerin web siteleri ve makine öğrenimi uygulamaları oluşturmak için kullandıkları birçok araç da açık kaynaklıdır. Bu, canlı bir ekosistemdir. Biz de heyecan verici yeni açık kaynaklı projelerin erken benimseyicisiyiz, örneğin Ray, AI iş yükleri için dağıtılmış hesaplama başlatmaya yardımcı olur.

Derin pekiştirme öğrenimi geleceğine ilişkin görüşünüz nedir? Bu tür makine öğreniminden yararlanmaya en uygun şirket türleri hangileridir?

Çalıştığımız şirketler genellikle operasyonlarını ve performanslarını izlemek için kullandıkları verileri sahiptir. Fiziksel operasyonları vardır ve ekipmanların davranışını kontrol edebilirler. Algoritmalarımız, çalıştıkları ortamı anlamak için verilere ihtiyaç duyar ve sonuçları etkileyebilmeleri için ekipmanları kontrol edebilmeleri gerekir. Temel olarak, fiziksel operasyonları kontrol eden, bu operasyonlar hakkında veri sahibi olan ve bu verilerin bazı analizlerini yapan şirketler, bizim gibi optimizasyonlara başlamaya hazır durumdadırlar.

Pathmind hakkında tartışmak istediğiniz başka bir şey var mı?

Bizim yaptığımız ve fiziksel operasyonları kontrol etmeye ek olarak, şirketlere zaman serisi öngörülerinde yardımcı olmak. Örneğin, fiyatlar veya talep gibi veriler, bir şirketin nasıl davranacağını ve ne kadar üretmesini etkiler. Doğru miktarda üretmek için talep olacak miktarı bilmeleri gerekir. Ayrıca, fiyatlarını doğru şekilde ayarlayabilmek için fiyat dalgalanmalarını doğru bir şekilde tahmin edebilmeleri gerekir. Algoritmalarımız bu tür öngörüler yapabilir.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular Pathmind’i ziyaret edebilir.